做组合导航这几年,经常被刚接触PSINS的朋友问同一个问题:我想给IMU加个误差模型,是不是直接在数据上加几个噪声就行?每次听到我都得按住额头。IMU误差模型这件事,说小了是几行参数,说大了是整个惯性导航精度的地基。PSINS作为国内惯导、组合导航领域流传很广的MATLAB工具箱,把误差建模的底层逻辑封装得相当完整,但恰恰因为它封装得太好,很多刚入门的朋友反而不清楚自己到底在调什么。这篇文章我就带你从零开始,把你手里的第一个IMU误差模型真正搭起来,并且把这套模型如何放进仿真、如何用实测数据标定参数、如何避开那些坑都讲透。
1. 先搞清楚你建模的对象:IMU误差到底从哪来
1.1 确定性误差:零偏、标度因数、安装误差
IMU误差听起来抽象,其实拆开看就是两类:一类是每次上电都稳定存在、可以通过标定消除的确定性误差;另一类是随时间随机变化、只能靠统计特性描述的随机误差。
确定性误差里最典型的就是零偏,也就是陀螺和加速度计在静止时输出不为零的那个偏移量。陀螺零偏通常用deg/h表示,加速度计零偏通常用mg或者ug表示。一个MEMS陀螺的零偏可能到几十甚至几百deg/h,而光纤陀螺可以做到0.01deg/h以下,这个差异直接决定了你能不能用纯惯性导航撑过几十秒还是几分钟。
标度因数误差则是输出值与真实值之间的比例偏差。你转90度,传感器可能输出89.98度,这0.02%的偏差就是标度因数误差。安装误差更形象一点,三个陀螺轴和三个加速度计轴理论上应该构成一个正交坐标系,但加工装配不可能绝对垂直,这个非正交角就是安装误差。全站仪或者转台标定的一大半工作量,都是在标这三个参数。
1.2 随机误差:白噪声、随机游走、零偏不稳定性
随机误差这一块才是PSINS建模时真正花时间的地方。最常见的几个概念,我刚接触时也绕了很久:
- 角度随机游走(ARW):陀螺输出中的高频噪声积分之后形成的姿态随机游走,单位常用deg/√h,也有用deg/h/√Hz的,两者其实可以换算。
- 速度随机游走:加速度计噪声积分之后的速度漂移,单位常用ug/√Hz或者m/s/√h。
- 零偏不稳定性(Bias Instability):低频段那种缓慢起伏的误差,单位就是deg/h或mg,是判断陀螺档次的核心指标。
- 一阶马尔可夫过程:有相关性的慢变漂移,用相关时间描述,很多工程模型里把零偏的慢变部分近似成一阶马尔可夫。
有时候很多人问,为什么仿真数据不能只是加个白噪声。原因很简单:白噪声积分后只会造成随机游走,误差增长是随时间平方根线性增长的,而真实IMU还存在慢变相关误差,积分后会像抛物线一样往上跑。两者对导航精度的影响模式完全不同,如果你做组合导航滤波,状态方程里需要估计的误差状态自然也不一样。
1.3 误差模型的工程含义
你要建立IMU误差模型,本质上就是要回答三个问题:当前这个传感器有哪些误差项、每个误差项有多大、它们随时间怎么变化。PSINS把这些问题抽象成了 imuerr 结构体,里面有陀螺零偏、加速度计零偏、角度随机游走、速度随机游走、马尔可夫相关时间等字段。你在建模时做的事情,就是把传感器数据手册上的指标,或者标定结果,填进这个结构体。
这里就要引入一个非常重要的观点:误差模型不是越复杂越好。对低成本MEMS,你塞进去一个15阶误差状态,滤波未必收敛,还可能把位置估计带偏;对高精度光纤陀螺,如果你只建模白噪声和常值零偏,系统在长航时场景下又不够用。所以建模是一个“按需分配”的过程,这也是后面我在PSINS里最深的体会之一。
2. PSINS工具箱里,误差模型的落点到底在哪
2.1 工具箱的整体逻辑
PSINS的全称是Precise Strapdown Inertial Navigation System,由西北工业大学严恭敏老师团队开发和维护。我第一次打开这个工具箱的时候,第一反应是结构怎么这么乱,函数名全是 imuerrset 、 insinit 、 kfinit 这种缩写,没有花里胡哨的GUI。但用久了才发现,这种设计反而高效,每个函数各管一摊,组合起来就是一条完整的仿真链路。 <
180



被折叠的 条评论
为什么被折叠?



